python - 将稀疏 scipy 矩阵切片以每 10 行和 10 列进行子采​​样

Question

我正在尝试将 scipy 稀疏矩阵二次采样为 numpy 矩阵，如下所示，以获得每 10 行和每 10 列:

connections = sparse.csr_matrix((data,(node1_index,node2_index)),
                                shape=(dimensions,dimensions))
connections_sampled = np.zeros((dimensions/10, dimensions/10))
connections_sampled = connections[::10,::10]

但是，当我运行此命令并查询connections_sampled 的形状时，我得到的是连接的原始尺寸，而不是减少了 10 倍的尺寸。

这种类型的子采样现在可以用于稀疏矩阵吗？当我使用较小的矩阵时，它似乎有效，但我无法得到正确的答案。

Answer 1

你不能对 CSR 矩阵的每 10 行和每列进行采样，至少在 Scipy 0.12 中是这样:

>>> import scipy.sparse as sps
>>> a = sps.rand(1000, 1000, format='csr')
>>> a[::10, ::10]
Traceback (most recent call last):
...    
ValueError: slicing with step != 1 not supported

不过，您可以通过首先转换为 LIL 格式矩阵来做到这一点:

>>> a.tolil()[::10, ::10]
<100x100 sparse matrix of type '<type 'numpy.float64'>'
    with 97 stored elements in LInked List format>

如您所见，形状已正确更新。如果您想要一个 numpy 数组，而不是稀疏矩阵，请尝试:

>>> a.tolil()[::10, ::10].A
array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       ..., 
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]])